Washington D.C., 15 de abril de 2019 (OPS) – En 2018, el Departamento de Emergencias en Salud de la OPS y la Oficina de Innovación de UNICEF se asociaron para poner a prueba el uso del aprendizaje automático como herramienta para predecir áreas de riesgo de fiebre amarilla en las Américas. Aprovechando los conjuntos de datos de la OPS, el proyecto demostró el valor de la epidemiología digital, es decir, el uso de datos digitales y ambientales para comprender mejor la dinámica de las enfermedades.
Mediante la aplicación del algoritmo AdaBoost y factores como la precipitación, la temperatura, la presencia de primates y la pérdida de cobertura arbórea, el modelo alcanzó un 100% de sensibilidad y un 95% de precisión para los casos reportados entre 2000 y 2018. Se identificaron correctamente los 640 municipios con antecedentes de casos y se señalaron 31 municipios adicionales —en su mayoría adyacentes a zonas infectadas— como posibles sitios de futuros brotes. Entre los predictores clave figuraron la latitud, la pérdida de cobertura arbórea, el tipo de ecorregión, la población de primates no humanos y la temperatura.
Los hallazgos, presentados en un taller de la OPS celebrado en Brasilia con la participación de UNICEF, el Ministerio de Salud de Brasil, Fiocruz y universidades internacionales, destacaron cómo el aprendizaje automático puede aportar a la preparación y respuesta frente a brotes de fiebre amarilla.
La fiebre amarilla sigue siendo endémica en África y las Américas, pero entre 2016 y 2018 Brasil experimentó una epidemia inusualmente grande que se extendió a regiones costeras donde no se habían registrado casos durante décadas. Se notificaron más de 2.100 casos y 700 muertes, lo que impulsó campañas de vacunación de emergencia y tensionó las reservas de vacunas.
En las Américas, la transmisión es principalmente selvática, produciéndose en zonas boscosas donde mosquitos (Haemagogus y Sabethes) transmiten el virus entre monos y humanos. Factores ambientales como las lluvias, la temperatura, la altitud, la cobertura forestal y la presencia de primates y mosquitos vectores influyen de manera determinante en el riesgo de transmisión. Para la OPS, mapear y analizar estos factores es fundamental para la evaluación de riesgos, la orientación de estrategias de vacunación y la reducción del impacto de la enfermedad.
Al analizar los impulsores ambientales de la fiebre amarilla, el aprendizaje automático permite una cartografía de riesgos más rápida y económica, además de la incorporación de grandes fuentes de datos, como imágenes satelitales y redes sociales. Estos enfoques fortalecen la comprensión de la epidemiología de la fiebre amarilla y refuerzan la preparación más allá de Brasil, alineándose estrechamente con las recomendaciones de vacunación vigentes en América del Sur.
En 2019, Brasil, Bolivia y Perú continuaron notificando casos, lo que subraya que 13 países de la Región de las Américas siguen en riesgo. El trabajo continuo de la OPS busca identificar tanto áreas de alto riesgo ya conocidas como emergentes, con el fin de implementar intervenciones oportunas, costo-efectivas y apropiadas para reducir la propagación y la gravedad de futuros brotes.
